MongoDB Vector Search를 Haystack과 통합하여 LLM으로사용자 지정 애플리케이션을 빌드 하고 RAG(검색 강화 생성)를 구현 수 있습니다. 이 튜토리얼에서는 Haystack과 함께 MongoDB Vector Search를 사용하여 데이터에 대해 시맨틱 검색 수행하고 RAG 구현 빌드 방법을 보여줍니다. 구체적으로 다음 조치를 수행합니다.
환경을 설정합니다.
MongoDB Vector Search 인덱스 생성합니다.
사용자 지정 데이터를 MongoDB 에 저장합니다.
MongoDB Vector Search를 사용하여 데이터에 대한 질문에 답변 RAG 를 구현합니다.
이 튜토리얼의 실행 가능한 버전을 Python 노트북으로 사용합니다.
배경
Haystack is a framework for building custom applications with LLMs, embedding models, and vector search. By integrating MongoDB Vector Search with Haystack, you can use MongoDB as a vector database and use MongoDB Vector Search to implement RAG by retrieving semantically similar documents from your data. To learn more about RAG, see Retrieval-Augmented Generation (RAG) with MongoDB.